Numpy逻辑切片后维持原始索引、逐位置选取较小值的实现方法

你现有代码的逻辑错误在于np.concatenate会先将所有符合x<=y条件的x元素批量拼接在前，再将所有符合y<x条件的y元素批量拼接在后，完全打乱了原始数组的索引对应顺序，所以无法得到逐位取小的结果。

方案1：使用numpy内置逐元素最小值函数（最高效） #

直接调用np.minimum即可实现两个等长数组逐位取较小值，纯向量化实现，性能最优：

import numpy as np
x = np.array([0,12,2,246,13,42,245,235,26,33,235,236,23])
y = np.array([2,2,52,626,143,42,246,2,2,53,35,26,263])

r = np.minimum(x, y)

输出结果为[ 0 2 2 246 13 42 245 2 2 33 35 26 23]，符合逐位取小的逻辑。

方案2：使用np.where实现自定义条件选择 #

如果你需要基于更复杂的判断逻辑做元素选择，可以用np.where，和你原本的判断逻辑完全一致，同时保留原始索引顺序：

r = np.where(x <= y, x, y)

该实现的输出和np.minimum完全一致，同样是向量化操作，性能远高于Python原生for循环，完全可以满足上万条数据的处理需求。

内容的提问来源于stack exchange，提问作者manninosi